本發(fā)明涉及無(wú)線電定位，特別涉及結(jié)合低空雷達(dá)ai算法的無(wú)人機(jī)識(shí)別追蹤方法。

背景技術(shù)：

1、隨著無(wú)人機(jī)技術(shù)的快速發(fā)展與無(wú)人機(jī)數(shù)量的增加，對(duì)無(wú)人機(jī)的識(shí)別和分析對(duì)于低空安全至關(guān)重要，低空雷達(dá)作為一種有效的探測(cè)設(shè)備，能夠在低空環(huán)境中高效地探測(cè)無(wú)人機(jī)等飛行物體，并提供實(shí)時(shí)數(shù)據(jù)。然而，現(xiàn)有的雷達(dá)探測(cè)技術(shù)僅能提供物體的位置、速度等基本信息，存在缺乏對(duì)復(fù)雜環(huán)境中無(wú)人機(jī)的精確識(shí)別與追蹤能力的技術(shù)問(wèn)題。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明提供結(jié)合低空雷達(dá)ai算法的無(wú)人機(jī)識(shí)別追蹤方法，以解決現(xiàn)有技術(shù)中缺乏對(duì)復(fù)雜環(huán)境中無(wú)人機(jī)的精確識(shí)別與追蹤能力的技術(shù)問(wèn)題，實(shí)現(xiàn)提高無(wú)人機(jī)識(shí)別準(zhǔn)確性與追蹤穩(wěn)定性的技術(shù)效果。

2、本發(fā)明提供的結(jié)合低空雷達(dá)ai算法的無(wú)人機(jī)識(shí)別追蹤方法，包括：

3、確定目標(biāo)場(chǎng)景的目標(biāo)雷達(dá)頻段，并通過(guò)相控陣列天線以所述目標(biāo)雷達(dá)頻段進(jìn)行雷達(dá)探測(cè)，接收雷達(dá)回波信息。

4、對(duì)所述雷達(dá)回波信息進(jìn)行時(shí)頻域轉(zhuǎn)換，獲取目標(biāo)頻域數(shù)據(jù)，并分析所述目標(biāo)頻域數(shù)據(jù)進(jìn)行直觀特征提取，獲取目標(biāo)無(wú)人機(jī)的直觀特征數(shù)據(jù)。

5、基于所述直觀特征數(shù)據(jù)進(jìn)行目標(biāo)無(wú)人機(jī)的圖像還原，獲取目標(biāo)雷達(dá)圖像，并基于預(yù)設(shè)的圖像特征指標(biāo)集對(duì)所述目標(biāo)雷達(dá)圖像進(jìn)行特征工程處理，獲取圖像特征數(shù)據(jù)。

6、構(gòu)建并訓(xùn)練基于ai算法的無(wú)人機(jī)識(shí)別模型，并將所述直觀特征數(shù)據(jù)與所述圖像特征數(shù)據(jù)輸入訓(xùn)練后的所述無(wú)人機(jī)識(shí)別模型進(jìn)行目標(biāo)識(shí)別，獲取無(wú)人機(jī)識(shí)別結(jié)果。

7、根據(jù)所述無(wú)人機(jī)識(shí)別結(jié)果進(jìn)行目標(biāo)無(wú)人機(jī)的連續(xù)識(shí)別，獲取目標(biāo)無(wú)人機(jī)的追蹤軌跡，其中，所述追蹤軌跡包括歷經(jīng)軌跡與預(yù)估軌跡。

8、在一種可行的實(shí)現(xiàn)方式中，確定目標(biāo)場(chǎng)景的目標(biāo)雷達(dá)頻段，包括：

9、交互目標(biāo)區(qū)域的無(wú)人機(jī)管理系統(tǒng)，獲取區(qū)域無(wú)人機(jī)存量信息。

10、根據(jù)所述區(qū)域無(wú)人機(jī)存量信息進(jìn)行聚類劃分，獲取多個(gè)無(wú)人機(jī)樣本信息簇。

11、解析目標(biāo)區(qū)域的無(wú)人機(jī)識(shí)別追蹤需求，調(diào)用多個(gè)所述無(wú)人機(jī)樣本信息簇的特征信息為目標(biāo)特征信息，進(jìn)行基于分辨率與探測(cè)范圍的頻段篩選，確定所述目標(biāo)雷達(dá)頻段。

12、在一種可行的實(shí)現(xiàn)方式中，對(duì)所述雷達(dá)回波信息進(jìn)行時(shí)頻域轉(zhuǎn)換，獲取目標(biāo)頻域數(shù)據(jù)，并分析所述目標(biāo)頻域數(shù)據(jù)進(jìn)行直觀特征提取，獲取目標(biāo)無(wú)人機(jī)的直觀特征數(shù)據(jù)，包括：

13、通過(guò)匹配濾波器，對(duì)所述雷達(dá)回波信息進(jìn)行匹配濾波，獲取回波時(shí)間并計(jì)算目標(biāo)無(wú)人機(jī)的距離特征。

14、基于傅里葉變換對(duì)雷達(dá)回波信息進(jìn)行時(shí)頻域轉(zhuǎn)換，獲取所述目標(biāo)頻域數(shù)據(jù)，分析提取所述目標(biāo)頻域數(shù)據(jù)的頻偏數(shù)據(jù)，并結(jié)合多普勒效應(yīng)轉(zhuǎn)換所述頻偏數(shù)據(jù)為目標(biāo)無(wú)人機(jī)的速度特征。

15、提取所述雷達(dá)回波信息的相位差，計(jì)算獲取目標(biāo)無(wú)人機(jī)的方向特征。

16、根據(jù)匹配濾波結(jié)果，獲取所述雷達(dá)回波信息的回波功率，結(jié)合所述回波功率與所述方向特征，計(jì)算獲取目標(biāo)無(wú)人機(jī)的反射強(qiáng)度特征。

17、在一種可行的實(shí)現(xiàn)方式中，基于所述直觀特征數(shù)據(jù)進(jìn)行目標(biāo)無(wú)人機(jī)的圖像還原，獲取目標(biāo)雷達(dá)圖像，并基于預(yù)設(shè)的圖像特征指標(biāo)集對(duì)所述目標(biāo)雷達(dá)圖像進(jìn)行特征工程處理，獲取圖像特征數(shù)據(jù)，包括：

18、基于圖像重建技術(shù)，根據(jù)所述直觀特征數(shù)據(jù)的所述距離特征、所述速度特征、所述方向特征與所述反射強(qiáng)度特征進(jìn)行圖像還原，獲取目標(biāo)無(wú)人機(jī)的三維圖像和/或二維圖像，輸出為所述目標(biāo)雷達(dá)圖像。

19、對(duì)所述目標(biāo)雷達(dá)圖像進(jìn)行圖像增強(qiáng)，并基于增強(qiáng)后的所述目標(biāo)雷達(dá)圖像進(jìn)行特征提取，生成所述圖像特征數(shù)據(jù)，其中，所述圖像特征數(shù)據(jù)至少包括紋理特征、形狀特征、空間特征。

20、在一種可行的實(shí)現(xiàn)方式中，構(gòu)建并訓(xùn)練基于ai算法的無(wú)人機(jī)識(shí)別模型，包括：

21、以所述區(qū)域無(wú)人機(jī)存量信息為匹配目標(biāo)，采集同源識(shí)別記錄，并對(duì)所述同源識(shí)別記錄進(jìn)行真值標(biāo)記，獲取樣本數(shù)據(jù)集，其中，所述樣本數(shù)據(jù)集包括關(guān)聯(lián)的樣本直觀特征數(shù)據(jù)、樣本圖像特征數(shù)據(jù)與樣本無(wú)人機(jī)識(shí)別結(jié)果。

22、以所述樣本數(shù)據(jù)集為樣本空間進(jìn)行隨機(jī)提取，獲取多個(gè)樣本數(shù)據(jù)子集，其中，多個(gè)所述樣本數(shù)據(jù)子集為所述樣本數(shù)據(jù)集的真子集。

23、基于多個(gè)所述樣本數(shù)據(jù)子集，構(gòu)建訓(xùn)練多個(gè)基于深度學(xué)習(xí)的弱識(shí)別網(wǎng)絡(luò)，其中，每個(gè)所述弱識(shí)別網(wǎng)絡(luò)通過(guò)隨機(jī)選取的所述樣本數(shù)據(jù)子集訓(xùn)練。

24、通過(guò)集成學(xué)習(xí)方法，對(duì)多個(gè)所述弱識(shí)別網(wǎng)絡(luò)進(jìn)行訓(xùn)練和優(yōu)化，獲取所述無(wú)人機(jī)識(shí)別模型。

25、在一種可行的實(shí)現(xiàn)方式中，構(gòu)建并訓(xùn)練基于ai算法的無(wú)人機(jī)識(shí)別模型，之后，還包括：

26、基于主成分分析法，分析確定多個(gè)所述弱識(shí)別網(wǎng)絡(luò)對(duì)正確識(shí)別記錄的貢獻(xiàn)度，獲取貢獻(xiàn)度集，其中，所述貢獻(xiàn)度關(guān)聯(lián)標(biāo)記有識(shí)別任務(wù)類別標(biāo)記。

27、以所述識(shí)別任務(wù)類別標(biāo)記為聚類約束，對(duì)所述貢獻(xiàn)度集進(jìn)行聚類劃分，獲取多個(gè)工況聚類簇。

28、序列化多個(gè)所述工況聚類簇，并根據(jù)序列化結(jié)果構(gòu)建多個(gè)工況識(shí)別網(wǎng)絡(luò)序列，其中，所述工況識(shí)別網(wǎng)絡(luò)序列包括多個(gè)貢獻(xiàn)度降序的所述弱識(shí)別網(wǎng)絡(luò)。

29、遍歷多個(gè)所述工況識(shí)別網(wǎng)絡(luò)序列進(jìn)行累積貢獻(xiàn)度計(jì)算，并提取滿足累積貢獻(xiàn)度閾值的多個(gè)所述弱識(shí)別網(wǎng)絡(luò)，輸出為多個(gè)分類器調(diào)用表單。

30、在一種可行的實(shí)現(xiàn)方式中，所述方法還包括：

31、獲取所述無(wú)人機(jī)識(shí)別模型的模型驗(yàn)證記錄數(shù)據(jù)。

32、基于所述模型驗(yàn)證記錄數(shù)據(jù)對(duì)圖像特征指標(biāo)集進(jìn)行主成分分析，獲取多個(gè)識(shí)別任務(wù)類型對(duì)應(yīng)的關(guān)鍵特征組，輸出為多個(gè)特征指標(biāo)調(diào)用表單。

33、基于多個(gè)所述特征指標(biāo)調(diào)用表單，進(jìn)行所述圖像特征指標(biāo)集的特征調(diào)用優(yōu)化。

34、在一種可行的實(shí)現(xiàn)方式中，所述方法還包括：

35、基于獲取的無(wú)人機(jī)識(shí)別結(jié)果，訪問(wèn)所述無(wú)人機(jī)管理系統(tǒng)，提取目標(biāo)無(wú)人機(jī)的本征參數(shù)信息。

36、根據(jù)所述本征參數(shù)信息，動(dòng)態(tài)優(yōu)化相控陣列天線的波束寬度與掃描頻率，并根據(jù)優(yōu)化后的波束寬度與掃描頻率進(jìn)行目標(biāo)無(wú)人機(jī)的連續(xù)識(shí)別。

37、本發(fā)明公開了結(jié)合低空雷達(dá)ai算法的無(wú)人機(jī)識(shí)別追蹤方法，包括：確定目標(biāo)場(chǎng)景的目標(biāo)雷達(dá)頻段，并通過(guò)相控陣列天線以目標(biāo)雷達(dá)頻段進(jìn)行雷達(dá)探測(cè)，接收雷達(dá)回波信息；對(duì)雷達(dá)回波信息進(jìn)行時(shí)頻域轉(zhuǎn)換，獲取目標(biāo)頻域數(shù)據(jù)，并分析目標(biāo)頻域數(shù)據(jù)進(jìn)行直觀特征提取，獲取目標(biāo)無(wú)人機(jī)的直觀特征數(shù)據(jù)；基于直觀特征數(shù)據(jù)進(jìn)行目標(biāo)無(wú)人機(jī)的圖像還原，獲取目標(biāo)雷達(dá)圖像，并基于預(yù)設(shè)的圖像特征指標(biāo)集對(duì)目標(biāo)雷達(dá)圖像進(jìn)行特征工程處理，獲取圖像特征數(shù)據(jù)；構(gòu)建并訓(xùn)練基于ai算法的無(wú)人機(jī)識(shí)別模型，并將直觀特征數(shù)據(jù)與圖像特征數(shù)據(jù)輸入訓(xùn)練后的無(wú)人機(jī)識(shí)別模型進(jìn)行目標(biāo)識(shí)別，獲取無(wú)人機(jī)識(shí)別結(jié)果；根據(jù)無(wú)人機(jī)識(shí)別結(jié)果進(jìn)行目標(biāo)無(wú)人機(jī)的連續(xù)識(shí)別，獲取目標(biāo)無(wú)人機(jī)的追蹤軌跡，其中，追蹤軌跡包括歷經(jīng)軌跡與預(yù)估軌跡。本發(fā)明公開的結(jié)合低空雷達(dá)ai算法的無(wú)人機(jī)識(shí)別追蹤方法解決了缺乏對(duì)復(fù)雜環(huán)境中無(wú)人機(jī)的精確識(shí)別與追蹤能力的技術(shù)問(wèn)題，實(shí)現(xiàn)了提高無(wú)人機(jī)識(shí)別準(zhǔn)確性與追蹤穩(wěn)定性的技術(shù)效果。

技術(shù)特征：

1.結(jié)合低空雷達(dá)ai算法的無(wú)人機(jī)識(shí)別追蹤方法，其特征在于，所述方法包括：

2.如權(quán)利要求1所述的結(jié)合低空雷達(dá)ai算法的無(wú)人機(jī)識(shí)別追蹤方法，其特征在于，確定目標(biāo)場(chǎng)景的目標(biāo)雷達(dá)頻段，包括：

3.如權(quán)利要求2所述的結(jié)合低空雷達(dá)ai算法的無(wú)人機(jī)識(shí)別追蹤方法，其特征在于，對(duì)所述雷達(dá)回波信息進(jìn)行時(shí)頻域轉(zhuǎn)換，獲取目標(biāo)頻域數(shù)據(jù)，并分析所述目標(biāo)頻域數(shù)據(jù)進(jìn)行直觀特征提取，獲取目標(biāo)無(wú)人機(jī)的直觀特征數(shù)據(jù)，包括：

4.如權(quán)利要求3所述的結(jié)合低空雷達(dá)ai算法的無(wú)人機(jī)識(shí)別追蹤方法，其特征在于，基于所述直觀特征數(shù)據(jù)進(jìn)行目標(biāo)無(wú)人機(jī)的圖像還原，獲取目標(biāo)雷達(dá)圖像，并基于預(yù)設(shè)的圖像特征指標(biāo)集對(duì)所述目標(biāo)雷達(dá)圖像進(jìn)行特征工程處理，獲取圖像特征數(shù)據(jù)，包括：

5.如權(quán)利要求4所述的結(jié)合低空雷達(dá)ai算法的無(wú)人機(jī)識(shí)別追蹤方法，其特征在于，構(gòu)建并訓(xùn)練基于ai算法的無(wú)人機(jī)識(shí)別模型，包括：

6.如權(quán)利要求5所述的結(jié)合低空雷達(dá)ai算法的無(wú)人機(jī)識(shí)別追蹤方法，其特征在于，構(gòu)建并訓(xùn)練基于ai算法的無(wú)人機(jī)識(shí)別模型，之后，還包括：

7.如權(quán)利要求1所述的結(jié)合低空雷達(dá)ai算法的無(wú)人機(jī)識(shí)別追蹤方法，其特征在于，所述方法還包括：

8.如權(quán)利要求2所述的結(jié)合低空雷達(dá)ai算法的無(wú)人機(jī)識(shí)別追蹤方法，其特征在于，所述方法還包括：

技術(shù)總結(jié)
本發(fā)明公開了結(jié)合低空雷達(dá)AI算法的無(wú)人機(jī)識(shí)別追蹤方法，涉及無(wú)線電定位技術(shù)領(lǐng)域，所述方法包括：確定目標(biāo)場(chǎng)景的雷達(dá)頻段，通過(guò)相控陣列天線進(jìn)行雷達(dá)探測(cè)，接收雷達(dá)回波信息。進(jìn)行時(shí)頻域轉(zhuǎn)換，獲取目標(biāo)頻域數(shù)據(jù)，并從中提取無(wú)人機(jī)的直觀特征數(shù)據(jù)。還原目標(biāo)無(wú)人機(jī)的圖像，獲得目標(biāo)雷達(dá)圖像。使用預(yù)設(shè)的圖像特征指標(biāo)集對(duì)雷達(dá)圖像進(jìn)行特征工程處理，得到圖像特征數(shù)據(jù)。構(gòu)建并訓(xùn)練基于AI算法的無(wú)人機(jī)識(shí)別模型，將直觀特征數(shù)據(jù)和圖像特征數(shù)據(jù)輸入該模型進(jìn)行目標(biāo)識(shí)別，得到識(shí)別結(jié)果。基于識(shí)別結(jié)果進(jìn)行無(wú)人機(jī)的連續(xù)追蹤，生成目標(biāo)無(wú)人機(jī)的追蹤軌跡，包括歷經(jīng)軌跡與預(yù)估軌跡。進(jìn)而達(dá)成提高無(wú)人機(jī)識(shí)別準(zhǔn)確性與追蹤穩(wěn)定性的技術(shù)效果。

技術(shù)研發(fā)人員：黃杰武,梁正直,柯志強(qiáng),陳啟燊
受保護(hù)的技術(shù)使用者：深圳市雅諾訊科技有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/26